<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[DexterLei]]></title><description><![CDATA[简书：jianshu.com/u/cb5cd695d7b6]]></description><link>https://blog.youkuaiyun.com/u012862372</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; u012862372]]></copyright><item><title><![CDATA[Python 获取字典中最值对应的键]]></title><link>https://blog.youkuaiyun.com/u012862372/article/details/82465087</link><guid>https://blog.youkuaiyun.com/u012862372/article/details/82465087</guid><author>u012862372</author><pubDate>Thu, 06 Sep 2018 17:33:52 +0800</pubDate><description><![CDATA[0


min(dict, key=dict.get)


&amp;amp;gt;&amp;amp;gt;&amp;amp;gt; d = {1:1, 2:0, 3:2}
{1: 1, 2: 0, 3: 2}
&amp;amp;gt;&amp;amp;gt;&amp;amp;gt; min(d, key=d.get)
2

实际上等同于：



&amp;amp;gt;&amp;amp;gt;&amp;amp;gt; min(d, key=lambda x:d.get(x))
2

或者：



&amp]]></description><category></category></item><item><title><![CDATA[[Mark] 正则表达式速查表]]></title><link>https://blog.youkuaiyun.com/u012862372/article/details/81078769</link><guid>https://blog.youkuaiyun.com/u012862372/article/details/81078769</guid><author>u012862372</author><pubDate>Tue, 17 Jul 2018 11:54:05 +0800</pubDate><description><![CDATA[正则表达式速查表

]]></description><category></category></item><item><title><![CDATA[CNN 感受野计算公式]]></title><link>https://blog.youkuaiyun.com/u012862372/article/details/81045593</link><guid>https://blog.youkuaiyun.com/u012862372/article/details/81045593</guid><author>u012862372</author><pubDate>Sat, 14 Jul 2018 17:50:52 +0800</pubDate><description><![CDATA[Calculating Receptive Field of CNN

 
感受野指的是一个特定的 CNN 特征（特征图上的某个点）在输入空间所受影响的区域。一个感受野可以用中信位置和打表来表征。然而，对于一个 CNN 特征来说，感受野中的每一个像素值并不是同等重要。一个像素点越接近感受野中心，它对输出特征的计算所起作用越大。这意味着某一个特征不仅仅是受限在输入图片中某个特定的区域（感受野），并且...]]></description><category></category></item><item><title><![CDATA[深度学习（CV）面试不完全指南]]></title><link>https://blog.youkuaiyun.com/u012862372/article/details/80683007</link><guid>https://blog.youkuaiyun.com/u012862372/article/details/80683007</guid><author>u012862372</author><pubDate>Wed, 13 Jun 2018 17:47:41 +0800</pubDate><description><![CDATA[深度学习：


深度学习面试你必须知道这些答案：知乎专栏、AI研习社
深度学习岗位面试问题一览


机器学习：


如何准备机器学习工程师的面试？
面试官如何判断面试者的机器学习水平？


参考资料


深度学习面试
...]]></description><category></category></item><item><title><![CDATA[中文文案排版指北]]></title><link>https://blog.youkuaiyun.com/u012862372/article/details/80416543</link><guid>https://blog.youkuaiyun.com/u012862372/article/details/80416543</guid><author>u012862372</author><pubDate>Wed, 23 May 2018 10:46:15 +0800</pubDate><description><![CDATA[中文文案排版指北

统一中文文案、排版的相关用法，降低团队成员之间的沟通成本，增强网站气质。

Other languages:


English
Chinese Traditional
Chinese Simplified




目录




空格 
中英文之间需要增加空格
中文与数字之间需要增加空格
数字与单位之间无需增加空格
全角标点与其他字符之间不加空格
-ms-text-autosp...]]></description><category></category></item><item><title><![CDATA[Ubuntu 常见操作/指令]]></title><link>https://blog.youkuaiyun.com/u012862372/article/details/80395480</link><guid>https://blog.youkuaiyun.com/u012862372/article/details/80395480</guid><author>u012862372</author><pubDate>Mon, 21 May 2018 17:50:43 +0800</pubDate><description><![CDATA[查看显卡信息/状态



$ nvidia-smi

通过以上命令可以查看当前时刻下的显卡信息及状态，但并不是实时更新，如果需要保持信息的更新需要采用如下命令：



$ watch -n 10 nvidia-smi

即，每 n 秒刷新一次显卡状态。 


自定义截图


PrtSc 截取整个桌面；
Alt+PrtSc 截取当前窗口；
Ctrl+Alt+Prtsc 截取当前窗口到剪切板；
Shi...]]></description><category></category></item><item><title><![CDATA[[Keras] 使用多 gpu 并行训练并使用 ModelCheckpoint() 可能遇到的问题]]></title><link>https://blog.youkuaiyun.com/u012862372/article/details/80367607</link><guid>https://blog.youkuaiyun.com/u012862372/article/details/80367607</guid><author>u012862372</author><pubDate>Fri, 18 May 2018 17:43:45 +0800</pubDate><description><![CDATA[问题描述

在使用 callbacks.ModelCheckpoint() 并进行多 gpu 并行计算时，callbacks 函数会报错：



TypeError: can't pickle ...(different text at different situation) objects

这个错误形式其实跟使用多 gpu 训练时保存模型不当造成的错误比较相似：


  To save th...]]></description><category></category></item><item><title><![CDATA[[Keras] SGD 随机梯度下降优化器参数设置]]></title><link>https://blog.youkuaiyun.com/u012862372/article/details/80319166</link><guid>https://blog.youkuaiyun.com/u012862372/article/details/80319166</guid><author>u012862372</author><pubDate>Tue, 15 May 2018 10:56:22 +0800</pubDate><description><![CDATA[随机梯度下降

Keras 中包含了各式优化器供我们使用，但通常我会倾向于使用 SGD 验证模型能否快速收敛，然后调整不同的学习速率看看模型最后的性能，然后再尝试使用其他优化器。Keras 中文文档中对 SGD 的描述如下：


  keras.optimizers.SGD(lr=0.01, momentum=0.0, decay=0.0, nesterov=False) 
  随机梯度下降法，支...]]></description><category></category></item><item><title><![CDATA[Python面向对象编程]]></title><link>https://blog.youkuaiyun.com/u012862372/article/details/50659149</link><guid>https://blog.youkuaiyun.com/u012862372/article/details/50659149</guid><author>u012862372</author><pubDate>Sat, 13 Feb 2016 16:09:14 +0800</pubDate><description><![CDATA[本文仅供自我学习用，转载来自海子的博客]]></description><category></category></item></channel></rss>